I.12Рекомендации и персонализация

benjaminchristie/skill-minilm — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, созданный для сравнения и поиска коротких текстов, связанных с навыками и действиями. Модель преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; сходство оценивается косинусной мерой. Архитектура включает энкодер BERT, mean pooling и нормализацию. В метаданных указано 25,9 млн параметров и контекст до 512 токенов; карточка модели заявляет максимальную длину последовательности 256 токенов. Модель обучена на 266 парах примеров с CosineSimilarityLoss и предназначена, в частности, для семантического поиска и сопоставления формулировок навыков. В карточке приведён результат Spearman 0,5246 на skill-vocab-val. Это узкая настройка на небольшом наборе данных, поэтому качество на других темах и длинных текстах может отличаться. Лицензия в предоставленных данных не указана.

Это точечный переранжировщик пассажей utahnlp, созданный на основе Qwen3-30B-A3B — причинной языковой MoE-модели — с помощью инструментария Tevatron 3.0. Модель дообучена контрастивным методом на наборе RLHN-680K; использованные при обучении LoRA-адаптеры объединены с весами модели. Модель оценивает релевантность пары «запрос — пассаж» и предназначена для повторного ранжирования результатов информационного поиска. Она принимает текст запроса и текст пассажа, включая заголовок, и вычисляет оценку как разность логитов ответов «yes» и «no» после заданного вопроса о релевантности. Это причинная языковая модель, а не обычный классификатор последовательностей. Контекст составляет 32 768 токенов; число параметров в метаданных — 2,6 млрд. Формат весов — safetensors, библиотека — Transformers. Карточка не сообщает поддерживаемые естественные языки. Базовая модель — Qwen/Qwen3-30B-A3B-Base. Лицензия — Apache-2.0. Для воспроизведения оценивания важно соблюдать описанный в карточке формат промпта и не добавлять EOS-токен перед вычислением оценки.

nreimers/TinyBERT_L-4_H-312_v2 — версия General_TinyBERT_v2, перенесённая в библиотеку Hugging Face Transformers. Это компактная модель архитектуры BERT с 4 слоями и размерностью скрытого представления 312; в метаданных указано 15,6 млн параметров и максимальная длина контекста 512 токенов. Модель предназначена для извлечения контекстных векторных представлений текста и использования в задачах, построенных на таких представлениях. Модель принимает текст и выдаёт векторные представления. В карточке указаны реализации PyTorch и Flax. Языковая специализация и условия лицензии в доступных данных не описаны.

atasoglu/turkish-mini-bert-uncased-mean-nli-stsb-tr — модель Sentence Transformers на основе BERT, дообученная для получения векторных представлений предложений и абзацев на турецком языке. Она преобразует текст в плотные эмбеддинги размерности 256 для семантического поиска, сравнения предложений и кластеризации. Базовая модель — ytu-ce-cosmos/turkish-mini-bert-uncased; при дообучении использованы наборы данных nli_tr и emrecan/stsb-mt-turkish. Модель содержит 12,4 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch по лицензии MIT. Тексты для модели следует предварительно приводить к нижнему регистру; авторы указывают заменять заглавную турецкую I на ı перед применением lower().

ViRanker — дообученная модель namdp-ptit на базе BAAI/bge-m3 для переранжирования текстовых документов по запросу. Она принимает пару «запрос — фрагмент текста» и выдаёт оценку релевантности: более высокий балл означает более подходящий фрагмент; оценку можно преобразовать функцией sigmoid в диапазон от 0 до 1. Модель основана на XLM-RoBERTa, содержит около 658,7 млн параметров и поддерживает контекст до 8194 токенов. Модель предназначена для уточнения результатов текстового поиска: сначала поисковая система находит кандидатов, затем ViRanker сортирует их по соответствию запросу. В карточке приведено сравнение на вьетнамском наборе MS MARCO Passage Reranking — Vi Dev; результаты показывают качество на этой оценке, но не гарантируют аналогичного качества на других данных. В метаданных указан вьетнамский язык. Модель распространяется по лицензии Apache-2.0.

Модель timm/vit_base_patch16_clip_224.datacompxl — визуальный энкодер CLIP на архитектуре ViT-Base с патчами 16×16 и входным разрешением 224 пикселя. Это веса только для изображения, опубликованные в формате PyTorch и safetensors и предназначенные для извлечения признаков изображений. Их можно использовать для получения визуальных представлений как части системы поиска по изображениям или мультимодального решения. Модель распространяется по лицензии Apache-2.0.

Это визуальный энкодер SigLIP 2 на архитектуре ViT-Base с патчами 16×16, предназначенный для библиотеки timm. Он соответствует только изображенческой части мультимодальной модели и обучен на наборе данных WebLI. Модель извлекает признаки изображений; её можно использовать как компонент систем поиска и сопоставления изображений с текстом или для других задач, строящихся на визуальных представлениях. В репозитории указаны веса PyTorch и Safetensors и лицензия Apache-2.0. Карточка не приводит численный размер модели, разрешение входа, набор поддерживаемых языков или параметры контекста; поскольку это только энкодер изображений, текстовый ввод и генерация текста не заявлены.

Это визуальный энкодер SigLIP 2 на архитектуре ViT-Large с патчами 16×16, предназначенный для библиотеки timm. Модель соответствует только визуальной башне SigLIP 2 и обучена на датасете WebLI; она извлекает признаки изображений и не включает текстовый энкодер. Модель подходит для получения визуальных представлений, которые можно использовать в системах поиска изображений, сопоставления и последующей обработки визуальных данных. В карточке указано разрешение 384 в названии модели. Репозиторий распространяется в форматах PyTorch и Safetensors под лицензией Apache-2.0.

tavakolih/all-MiniLM-L6-v2-pubmed-full — модель Sentence-Transformers на базе архитектуры BERT, обученная для преобразования предложений и абзацев в плотные векторы размерностью 384. В метаданных указаны 25,9 млн параметров, PyTorch и контекст до 512 токенов; датасет модели связан с PubMed. Модель предназначена для семантического поиска и кластеризации текстов: она представляет похожие по смыслу фрагменты близкими векторными представлениями. Обучение использовало MultipleNegativesRankingLoss с косинусным сходством. Это текстовая модель эмбеддингов, а не генератор ответов; лицензия и конкретная специализация на медицинских текстах в доступных данных не подтверждены.

Ara-EuroBERT-610M — разработанная Omartificial-Intelligence-Space модель Sentence Transformers, дообученная на базе EuroBERT/EuroBERT-610m для получения семантических эмбеддингов арабского текста. Энкодер EuroBertModel содержит около 607,8 млн параметров и обрабатывает последовательности до 8192 токенов. Модель преобразует предложения и абзацы в плотные векторы размерностью 1152; доступны вложенные размерности 960, 768 и 512. Для сравнения векторов используется косинусное сходство. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. В README приведены результаты тестов семантического сходства на STS17 и STS22.v2, однако сравнение показателей в карточке неоднозначно, поэтому их не следует считать гарантией качества для других данных. Модель рассчитана на арабский язык. Распространяется по лицензии MIT.

hyunseop/bge-m3-ko — корейская модель текстовых эмбеддингов, разработанная дообучением dragonkue/BGE-m3-ko. Она основана на XLM-RoBERTa и содержит 658,7 млн параметров; модель предназначена для извлечения векторных представлений, семантического поиска и сравнения предложений. Контекст составляет до 8194 токенов. Модель дообучена с контрастивной функцией потерь на парах запрос–документ, составленных на основе синтетических корейских персон из NVIDIA Nemotron Personas Korea. В описанных тестах она показала хорошие результаты на локальном корпусе AutoRAG, но уступила некоторым другим моделям в публичном корейском поисковом бенчмарке MIRACL. Репозиторий содержит веса Safetensors; условия лицензии в предоставленных данных не описаны.

andreaschari/bge-m3-RU_MMARCO_50_MIXED — дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная для семантического поиска на русском языке. При обучении использовался русский датасет MMARCO/v2 с равной долей запросов на кириллице и русских запросов, транслитерированных в английский текст с помощью uroman; модель связана с исследованием о поиске при различии письменности запроса и документов. Модель на архитектуре XLM-RoBERTa содержит 658,7 млн параметров и формирует текстовые эмбеддинги размерности 1024. Она принимает последовательности длиной до 8192 токенов; для сравнения эмбеддингов в карточке указана косинусная близость. Подходит для поиска русскоязычных документов по запросам как на кириллице, так и в транслитерации. Распространяется под лицензией MIT. Специализация на MMARCO/v2 и смешанных кириллических и транслитерированных запросах может ограничивать качество за пределами этих условий; результаты поиска следует проверять на целевых данных.

swasjha06 дообучил англоязычную модель Sentence Transformer на базе mixedbread-ai/mxbai-embed-large-v1 для семантического поиска и извлечения текстовых эмбеддингов. Она кодирует предложения и абзацы в плотные векторы размерности 1024; сходство между ними можно оценивать косинусной мерой. Архитектура основана на BERT с пулингом CLS, модель содержит 433,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов по метаданным; в README указан предел 256 токенов. Модель обучена на 851 паре «запрос—документ» с функцией потерь MultipleNegativesRankingLoss. Она подходит для поиска релевантных фрагментов по запросу и сравнения текстов по смыслу. Карточка описывает англоязычные обучающие примеры, поэтому основное назначение — работа с английским текстом. Лицензия в предоставленных данных не указана.

Bobcat 1.1 — дообученная модель sanghwa-na на базе Qwen/Qwen3.8-27B. Это плотная модель архитектуры Qwen3.5 с весами BF16 в формате safetensors; исходную LoRA ранга 16 объединили с базовой моделью. Для каждого запроса приложение задаёт состояние и набор допустимых ответов, а модель оценивает их вероятности за один проход. Она не генерирует текст: приложение формирует из результатов ответ в заданном формате. Модель предназначена для повторяющихся ограниченных решений, например маршрутизации запросов, ранжирования, проверки цитат, классификации и проверки вызовов инструментов. Карточка указывает поддержку английского и корейского языков; в обучающих данных 36% решений были на английском. Лицензия — Apache-2.0. По опубликованным разработчиком оценкам, Bobcat 1.1 повысила точность на тестах по сравнению с необученной базовой моделью и реже поддавалась ответам, подсказанным внутри состояния. Модель может ошибиться, хотя её ответ останется одним из допустимых вариантов. Она слабо распознаёт ситуации с недостатком свидетельств, а уверенность не гарантирует правильность. В длинных состояниях результаты зависят от длины и развертывания; вычисления, подсчёт и сравнение дат лучше выполнять в коде. Для критически важных решений модель не предназначена. Для развёртывания автор описывает работу через vLLM; требуются подходящие GPU-ресурсы.

crossencoder-me5-small-mmarcoFR — франкоязычный кросс-энкодер, разработанный Antoine Louis и дообученный на базе intfloat/multilingual-e5-small. Он совместно обрабатывает запрос и passage, оценивает их релевантность и предназначен для переранжирования результатов семантического поиска после быстрого первичного поиска, например BM25 или bi-encoder. Модель использует архитектуру BERT для классификации последовательностей, содержит 124,3 млн параметров и принимает пары текстов с контекстом до 512 токенов; в обучении максимальная длина пары составляла 256 токенов. Оценки релевантности нормируются сигмоидой в диапазон от 0 до 1. Модель обучена на французской части mMARCO с трудными отрицательными примерами и оценивалась на dev-наборе mMARCO-fr для ранжирования passages. Кросс-энкодер подходит для уточнения порядка уже найденных кандидатов, но требует отдельно оценивать каждую пару запрос–текст, поэтому не рассчитан на первичный поиск по большой коллекции. Лицензия — MIT.

Это переопубликованная модель cross-encoder mmarco-mMiniLMv2-L12-H384-v1, созданная пользователем cross-encoder на Hugging Face; автор текущей копии — corrius. Модель предназначена для повторного ранжирования текстовых пар, например запросов и найденных документов, чтобы уточнить порядок результатов поиска. Архитектура — XLM-RoBERTa для классификации последовательностей; модель содержит 124,3 млн параметров и рассчитана на вход длиной до 514 токенов. В репозитории указаны веса PyTorch. Карточка не описывает языки обучения и поддерживаемые языки, поэтому языковые характеристики установить нельзя. Репозиторий является повторной публикацией исходной модели, а не новой разработкой corrius; README не сообщает лицензию. Для использования и указания авторства следует свериться с исходной карточкой cross-encoder или публикациями авторов.

T-Systems-onsite выпустила модель на основе XLM-RoBERTa для получения векторных представлений предложений на английском и немецком языках. Модель дообучена для сравнения семантической близости предложений, в том числе между языками: тексты на английском и немецком с похожим смыслом отображаются в близкие векторы. Репозиторий содержит версии весов для PyTorch, Safetensors и TensorFlow; общее число параметров — 305,2 млн, контекст — до 514 токенов. Модель предназначена для семантического поиска, оценки текстового сходства и поиска перефразирований. Её можно использовать, например, чтобы искать немецкие документы по английскому запросу или сравнивать предложения по косинусному сходству. Для работы авторы рекомендуют библиотеку Sentence Transformers. Модель дообучена на англо-немецких данных STSbenchmark с дополнительными парами предложений между языками; карточка приводит результаты оценки на английском, немецком и их межъязыковых парах. Лицензия — MIT. Модель выдаёт эмбеддинги, а не готовые текстовые ответы; качество поиска зависит от корпуса и настроек сравнения. Карточка описывает её применение прежде всего для английского и немецкого языков, поэтому не следует считать заявленное межъязыковое качество универсальным для других языковых пар.

sentence-transformers/distilroberta-base-msmarco-v2 — модель Sentence Transformers на архитектуре DistilRoBERTa, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель содержит 95,2 млн параметров, рассчитана на текстовый ввод, имеет контекстное окно до 514 токенов и доступна в форматах PyTorch, TensorFlow, ONNX и OpenVINO. Модель можно использовать для поиска документов по смыслу, сравнения текстов и группировки похожих предложений. В карточке она помечена как устаревшая: авторы предупреждают о низком качестве эмбеддингов и рекомендуют выбрать другую модель для новых проектов. Лицензия — Apache-2.0.

EVA-CLIP-8B-448 — разработанная BAAI модель семейства CLIP для совместного представления изображений и текста. Она использует контрастивное обучение на парах изображение–текст и содержит 8,1 млрд параметров; вариант 448 дообучен на разрешении 448 пикселей на основе EVA-CLIP-8B. Модель предназначена для извлечения сопоставимых признаков изображений и текстовых описаний, классификации изображений без обучения на целевых классах и поиска изображений по тексту или текста по изображению. В карточке приведены результаты на наборах классификации изображений и видео и для задач retrieval; авторы сообщают среднюю точность zero-shot классификации изображений 80,0% на 27 бенчмарках. Обучение проводилось на объединённом наборе Merged-2B, составленном из LAION-2B и COYO-700M. Для работы доступны веса PyTorch и Hugging Face. Лицензия — Apache-2.0. Модель обрабатывает изображения и текст, но не предназначена для генерации описаний или изображений. Авторы предупреждают, что результаты при использовании Hugging Face-весов могут отличаться от опубликованных для PyTorch-весов; качество также зависит от целевого набора данных и формулировок текстовых меток.

Карточка модели ImranzamanML/German_Semantic_V3b_Optimised на Hugging Face совпадает с карточкой aari1995/German_Semantic_V3b, поэтому описание составлено по ней. German_Semantic_V3b — немецкоязычная модель эмбеддингов, разработанная Аароном Чиббом. Это дообученная версия aari1995/gbert-large-2 на архитектуре JinaBertModel, предназначенная для получения векторных представлений предложений и сравнения их семантической близости. Модель содержит 434,5 млн параметров и принимает последовательности длиной до 8192 токенов. Модель рассчитана на немецкий язык и особенно учитывает культурный контекст Германии. Она устойчива к небольшим опечаткам и различиям в регистре. Поддерживаются Matryoshka-эмбеддинги размером от 1024 до 64 измерений: уменьшение размерности снижает требования к хранению, но может немного ухудшить качество. По README, V3b ориентирована на высокую производительность, однако её знания ограничены периодом примерно до 2020 года. Лицензия — Apache 2.0.

hotchpotch/japanese-reranker-cross-encoder-base-v1 — японский reranker серии CrossEncoder, разработанный hotchpotch. Он предназначен для повторного ранжирования результатов поиска: модель совместно оценивает запрос и документ, чтобы упорядочить найденные варианты по релевантности. Модель построена на архитектуре BERT и содержит 12 слоёв со скрытым размером 768; всего в ней 138,4 млн параметров. Она принимает пары текстов, поддерживает японский язык и имеет контекстное окно до 512 токенов. В карточке приведены оценки на японских наборах JQaRA, JaCWIR, MIRACL и JSQuAD. Модель распространяется по лицензии MIT.

Redis разработала эту модель Cross-Encoder для оценки пар текстов в сценариях семантического кэширования LangCache. Она дообучена на Alibaba-NLP/gte-reranker-modernbert-base с использованием библиотеки sentence-transformers и датасета LangCache Sentence Pairs. Модель принимает пару текстов и возвращает оценку их соответствия, которую можно использовать для классификации пар и переранжирования результатов поиска. Модель построена на ModernBERT, имеет 149 млн параметров и максимальную длину последовательности 8192 токена. Она рассчитана на английский язык. В README приведены результаты оценки классификации и переранжирования на тестовых наборах, однако результаты на наборах NanoQuoraRetrieval, NanoMSMARCO и NanoNQ ниже показателей базовой модели. Модель распространяется по лицензии Apache-2.0.

LLM-QE-Contriever — дообученная модель на базе facebook/contriever, разработанная авторами исследования LLM-QE. Она предназначена для получения текстовых эмбеддингов, согласованных с предпочтениями ранжирования, и применения в расширении поисковых запросов и системах информационного поиска. Модель использует архитектуру BERT и обучалась с помощью supervised contrastive learning на расширениях запросов. В репозитории доступны веса safetensors; размер модели — 136,7 млн параметров, максимальный контекст — 512 токенов. Карточка описывает применение для поиска и расширения запросов, но не приводит подробностей о поддерживаемых языках сверх английского в метаданных. Лицензия — MIT.

Madaray/moderncamembert-msmarcofr-ranknetloss — кросс-энкодер на базе ModernBERT, обученный с библиотекой Sentence Transformers. Он оценивает пары «запрос — документ» одним числовым баллом и предназначен для переупорядочивания результатов поиска и семантического поиска. Модель содержит 135,5 млн параметров, поддерживает последовательности до 8192 токенов и распространяется в формате safetensors. В карточке приведены примеры французских запросов и документов; название модели и обучающие примеры указывают на французскую направленность. Обучение проводилось на 502 939 примерах с использованием RankNetLoss. Оценки модели можно применять для ранжирования кандидатов по релевантности; отдельные оценки не следует трактовать как вероятности без дополнительной калибровки. Лицензия в предоставленных данных не указана.

mR3-Qwen3-14B-en-prompt-en-thinking — диалоговая модель оценки ответов из семейства Multilingual Rubric-Agnostic Reward Reasoning Models, разработанного командой rubricreward. Это дообученная методом SFT модель Qwen3-14B с архитектурой Qwen3ForCausalLM и 14 млрд параметров; репозиторий содержит веса Safetensors, для работы используется Transformers. Модель принимает текстовые инструкции, входные данные, ответы и критерии оценки, а затем генерирует оценку с обоснованием. Она предназначена для задач классификации, сравнения предпочтений и ответов на вопросы; в описании семейства указано обучение на данных для 72 языков. Контекстная длина — до 40 960 токенов. Модель может помогать оценивать качество ответов по заданным рубрикам и формировать текстовые объяснения оценок, включая сценарии попарного сравнения. Лицензия — Apache 2.0. Карточка посвящена варианту с английским промптом и английским рассуждением; список языков в метаданных шире, чем языки карточки и описанного варианта, поэтому многоязычные возможности всей коллекции не следует автоматически считать одинаково доступными в этой конфигурации.

tomaarsen/ms-marco-ettin-68m-reranker — англоязычная модель Cross-Encoder, разработанная на базе jhu-clsp/ettin-encoder-68m и дообученная на датасете MS MARCO с помощью библиотеки sentence-transformers. Она совместно обрабатывает пару «запрос — текст» и выдаёт одну оценку релевантности, которую используют для ранжирования результатов поиска и семантического поиска. Модель построена на архитектуре ModernBERT и содержит 68,1 млн параметров. В README максимальная длина последовательности указана как 512 токенов; метаданные каталога указывают native context в 7999 токенов. В карточке приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR. Модель предназначена прежде всего для английского языка. Это дообученная модель ранжирования; лицензия в предоставленных данных не указана. Оценки могут хуже переноситься на языки и области, отличные от английского веб-поиска. Для оценки большого числа документов попарное сравнение требует отдельного вычисления для каждой пары.

MultiLinguSwahili-bge-small-en-v1.5-nli-matryoshka — компактная модель Sentence Transformer, разработанная Sartify LLC на базе BAAI/bge-small-en-v1.5 и дообученная на наборе Mollel/swahili-n_li-triplet-swh-eng. Она преобразует предложения и абзацы в плотные векторы размерности 384 для семантического поиска и сравнения текстов. Архитектура включает BERT, пулинг по токену CLS и нормализацию; модель содержит 40 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена сопоставлять тексты на суахили и английском, в том числе находить близкие по смыслу пары и различать отрицательные примеры. Её можно использовать для многоязычного семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. README приводит результаты оценки сходства предложений на нескольких вариантах тестового набора. Лицензия в предоставленных данных не указана. Качество на других языках, вне описанных сценариев и на текстах длиннее 512 токенов не установлено; как и у других моделей эмбеддингов, результаты зависят от данных и способа применения в поисковой или классификационной системе.

mxbai-colbert-large-v1 — англоязычная модель ранжирования документов от Mixedbread AI, построенная на модели эмбеддингов mixedbread-ai/mxbai-embed-large-v1. Это ColBERT-ретривер с несколькими векторами и поздним взаимодействием между представлениями запроса и документа; он предназначен прежде всего для повторного ранжирования результатов, найденных на первом этапе, например BM25, и может использоваться в конвейерах поиска и RAG. Модель основана на архитектуре BERT, содержит 433,9 млн параметров и принимает текст с контекстом до 512 токенов. Она формирует эмбеддинги для поиска и оценки сходства предложений. По результатам README, модель показала конкурентные показатели NDCG@10 на наборах BEIR для повторного ранжирования и поиска; для обычного retrieval разработчик рекомендует использовать mixedbread-ai/mxbai-embed-large-v1. Модель распространяется по лицензии Apache-2.0.

mxbai-rerank-large-v1 — крупная модель-реранкер семейства mxbai-rerank от Mixedbread AI. Она оценивает релевантность пары «запрос — документ» и помогает переставить результаты поиска так, чтобы наиболее подходящие оказались выше. Модель рассчитана на улучшение информационного поиска, в том числе в сочетании с поиском по ключевым словам. Модель построена на архитектуре DeBERTa-v2 и содержит 533,8 млн параметров. Она принимает текст и выдаёт оценку релевантности; максимальная длина контекста — 512 токенов. В карточке заявлена поддержка английского языка. README рекомендует использовать актуальную версию sentence-transformers. Лицензия — Apache-2.0.

mxbai-rerank-xsmall-v1 — компактная модель-реранкер от Mixedbread AI из семейства crispy rerank. Она оценивает релевантность пары «запрос — текст» и предназначена для повторной сортировки результатов поиска, например, после полнотекстового поиска или первичного извлечения кандидатов. Модель построена на архитектуре DeBERTa-v2 с классификационной головой и содержит 77,5 млн параметров; максимальная длина контекста — 512 токенов. Для работы авторы рекомендуют актуальную версию sentence-transformers. Модель ориентирована на улучшение поиска и, согласно README, хорошо сочетается с поиском по ключевым словам. В метаданных указан английский язык. Репозиторий содержит веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0.